工業革命的秋之漣漪（二）：從飛槳，走向深度學習產業實踐_風聞

在《工業革命的秋之漣漪》第一篇中，我們回顧了這樣一系列問題：今天的中國為什麼需要AI技術驅動的產業革命？又為何可以培育這場革命？在此基礎上，我們討論了深度學習框架的核心位置，以及百度如何讓飛槳走向產業級，成為AI時代的操作系統。

假如説，這一系列邏輯幫我們完整描繪出了作為AI產業革命引擎的飛槳，那麼接下來，我們就應該追問飛槳的動力如何輸送到機器的各部件，真正讓產業世界的龐然大物運轉起來。

在這一篇章中，讓我們理順着“指導方法-技術邏輯-產業案例”的順序，一起來回答飛槳如何進入現實，千行萬業如何真正通過深度學習來激發產業變革的問題。

讓我們能夠尋找答案的原因在於，10月17日，百度主辦了2019年中關村論壇·AI 時代的深度學習技術與應用創新論壇。在中關村論壇這一中國科技界保留曲目中，這一論壇是今年唯一聚焦解讀深度學習產業化應用的平行論壇。

在深度學習開發者、產業生態參與者、產學研各界的注視下，飛槳激發的工業革命漣漪，開啓了面向產業世界的新一輪震盪。

技術底座之路：王海峯對智能革命的四個判斷

飛槳是什麼？為什麼今天這個時代需要飛槳？

在論壇致詞裏，百度CTO、深度學習技術及應用國家工程實驗室主任王海峯迴答了這個問題。

回到人類文明輝煌的工業革命史當中，王海峯提出，人類的前幾次工業大生產，都需要非常複雜的應用系統，這套系統必須同時具備標準化、自動化和模塊化的特徵。

按照這樣的邏輯，今天AI驅動的產業革命中，也必須有這樣一套系統，讓深度學習應用於各行各業。在百度的目標中，飛槳就是這樣一套可以把深度學習技術標準化、自動化和模塊化的AI操作系統。它可以應用於各行各業的工業大生產，幫助產業智能化轉型，成為AI時代的技術底座。

那麼從深度學習框架，走向AI技術底座和產業智能革命引擎，飛槳要如何達成自己的外放？也就是我們探討的漣漪，究竟如何從飛槳內部向外生長？在王海峯看來，飛槳走向產業實踐，有四個關鍵詞必須堅持：

1、開源開放，通過將百度的技術積澱，與飛槳的技術特色最大化對外公開，普惠賦能產業，降低行業門檻。

2、自主可控，飛槳是百度完全自有知識產權的AI操作系統。在新的國際背景下，對於中國的產業智能支撐可以起到關鍵作用。

3、軟硬一體，想要走向工業化實踐，飛槳就必須與各類的芯片、應用、硬件環境進行兼容。於是我們看到了飛槳在積極展開各種軟硬一體優化，比如與華為一起就NPU的優化進行探索。這是為工業化大生產階段儲備關鍵發力點。

3、產業生態，百度和飛槳不可能獨自完成AI時代的所有任務，而是必須與產業生態、產學研各界一起搭建生態，構築人才-技術-應用的有機體系。

這四個判斷，可以看作飛槳走向產業世界的標識。在關鍵技術突破和行動指南明確之後，飛槳已經開啓了走向各行業，探索產業智能革命未知世界的旅程。

把十萬八千里壓縮成筋斗雲：飛槳的產業實踐

讓我們思考這樣一個問題：為什麼《西遊記》裏同樣是去西天雷音寺，唐僧師徒走了十幾年，而孫悟空自己動不動就一個來回？顯然問題在於孫悟空有筋斗雲，同樣的目標，可以用極其簡單的方法來完成。

在今天的產業智能世界，將深度學習應用於核心生產力部類，是無數行業的共同目標。那麼區別就在於，你是腳踏筋斗雲飛過去，還是一步步走過去？

或許可以用一句話形容飛槳的價值：用技術領先，壓縮開發成本；用生態賦能，降低准入門檻。使用飛槳，企業可以極大程度縮短深度學習模型的開發流程，降低開發難度，利用百度凝結的技術能力推助自己的產業之路。同時，飛槳的生態還可以幫助業界人才成長，進一步幫助各行業降低深度學習准入門檻。

在論壇中，百度 AI 技術平台體系執行總監、深度學習技術及應用國家工程實驗室副主任吳甜詳細接受了飛槳及其產業實踐，為我們總結了飛槳如何完成“筋斗雲”的角色。

以OCR識別為例，在使用規則和機器學習的方法來解決OCR問題時，整個過程需要區分成檢測、分割、識別、解碼、後處理等一系列過程，需要有大量的專家支持，以及使用到很多啓發式特徵。而進入深度學習階段之後，OCR系統可以使用大數據進行訓練，採用深度學習特徵就能得到非常好的識別效果。再向前一步，百度大腦和飛槳中集成了端到端的OCR識別系統，用户可以隨時隨地調用深度學習規則下的高精OCR能力——前面複雜而漫長的探索過程，就都在百度的努力下省略掉了。

這樣的例子，展現在各個AI子技術門類，以及深度學習應用的開發、訓練、部署全流程中，飛槳將能夠先決探索和實現的工作已經最大限度完成，並進行平台化封裝，企業和行業用户只需要在此基礎上“靈山一躍”，就可以登陸智能革命的時代高地。

而在深度學習與產業結合過程中，另一個問題是人才的稀缺，尤其是行業人才與AI人才往往無法兼容。為此，飛槳提供了大量開發者賦能與人才培養計劃。比如構建了活躍的開發者社區，推出了黃埔學院等AI高端人才培養計劃，以及企業深度學習實戰營AI快車道等等。

在一系列生態賦能計劃之中，百度還積極對外公開公佈自身的技術體系與取得經驗，幫助行業用户獲取一手經驗。比如，論壇現場吳甜代表百度研究院發佈了《百度大腦AI技術成果白皮書》，對百度大腦進行了一個全景式解析。

通過對內壓縮技術，對外繁榮生態，飛槳啓動了面向產業宇宙的智能航行。而今天，我們已經可以看到旅程中處處瓜熟蒂落。

從應用到創新：千行萬業的深度學習變革

究竟如何讓深度學習在各行各業“甦醒”過來，也許在技術邏輯之外，必須要搭配具體案例來一併瞭解。

事實上，飛槳已經廣泛應用於百度內外、各行各業的無數場景。在這些極有張力的跨行業案例展示裏，或許是最能夠顯示飛槳所具備通用AI底座能力的。

比如在百度地圖上，我想大家應該都發現了今天百度地圖的體驗已經遠超過競品，而其關鍵就在“智能”二字。比如在百度地圖出行時間智能預估場景上，基於飛槳平台，百度地圖提升了AI模型的開發和調試的便捷性和訓練效率，在百度地圖的數據基礎上完成了天級別百億級數據訓練。並且在飛槳的支撐上，實現到了天級別的百億次調用能力，把用户出行時間預估準確率從81%提升到了86%，帶給用户極其顯著的效率提升。

而在飛槳與廣東電網合作的變電站智慧巡檢案例中，經過飛槳平台的支持，AI可以讀取變電站上的準確數字，準確率能夠達到99.01%。這就讓偏遠地區的變電數字抄寫員得到了解放，AI的智慧完成了產業效率的深度變革，讓人類工作更美好。同時，相關方案能夠達成在新表適配時10天完成工作，安裝效率非常顯著。

再説一個大家可能更想不到的。高爾夫球場佔用大量土地，前幾年曾經成為過熱門話題。針對這個爭議，對高爾夫球場用地進行監測就變得非常重要。應用飛槳提供的 Faster R-CNN 模型，實現了高爾夫球場的AI用地檢測。這一項目構建了全國標準高爾夫球場遙感數據集，識別效率提升約90倍。

在更加關乎國計民生的領域，飛槳助力林業病蟲害監測落地是一個代表性的案例。紅脂大小蠹蟲，是一種是危害超過35種松科植物的蛀幹害蟲。基於飛槳平台，北京林業大學與百度合作了AI 識蟲項目，通過飛槳目標檢測模型YOLOv3識別紅脂大小蠹蟲，實現了小時級數據回傳與檢測，相比一週才能執行一次的人工檢測，檢測效率大幅提升。

目前，飛槳已經廣泛的應用在工業、農業、服務業等各行各業，飛槳效應正在驅動產業智能化的深入與廣泛展開。如果從產業用户的角度看，不難發現今天應該用這樣的方式藉助飛槳紅利，快速實現產業智能實踐：

1、走向深度學習與產業的深度結合，構築多模態、多技術融合、軟硬一體化解決方案。充分利用飛槳的技術領先性和產業級突破。

2、人才和技術兩手抓，利用飛槳的生態賦能與人才培養，積極推動企業人才擁抱AI時代，儲備面向未來的開發與應用能力。

3、依託生態，融入生態。深度學習應用是一個系統性工程，需要產業鏈的分工與合作。積極探索飛槳背後的開發者生態與產業鏈，調動自身行業融入AI技術與產品的持續迭代週期，會在產業智能時代收穫最大化紅利。

至此，我們已經從方法、技術和案例，三個角度透視了飛槳驅動各行業智能革命的整體邏輯。而在產業實踐的更外層，一圈圈震盪開去的AI漣漪，正在影響社會經濟的整體與人類技術之路的未來。

更遠處的光與影，如何與飛槳融合出時代的擁吻，讓我們留在下一篇中最終揭秘。